教育視野中的人工智能與人工智能教育-理念、戰略和工程化設計

/教育視野中的人工智能與人工智能教育——理念、戰略和工程化設計【摘要】當前，開展教育與技術兩種不同話語體系的深層次對話，用教育的語言解讀人工智能技術發展的歷史與現狀，并在教育信息化向智能化攀升的歷史大背景中，展望人機協同創新的智能化教育變革發展的未來走向，是一項十分必要的工作。在工業文明向信息時代生態文明變革的戰略視野中，對人工智能教育系統工程的設計，必須用互聯網思維、智能化思維超越原有工業化的思維框架，才有可能突破目前發展中的各種阻力、慣性、瓶頸，求真務實地創新發展。要倡導培養“智能素養”、防范“智能風險”，創建“團隊化人機共生學習模式細胞結構”，以此作為信息化學習空間的“生成元”。人工智能的本質是在對人類智力深刻反思基礎上的科技創新、文化創新、文明覺醒。當代人工智能的迅速發展和在各個領域的廣泛應用，必將激發、凝聚全社會的學習智慧、教育資源，創生出各種改善社會異化、教育異化的有效行為和變革教育的強大力量。【關鍵詞】人工智能；智力；深度學習；智能素養；未來教育 70多年以來，人工智能始終是科技的前沿，已經成為人們對信息時代新生活的理想和憧憬。然而從基礎理論到具體應用，人工智能的發展卻步履艱難，且幾起幾落。實踐表明，人工智能基礎理論和應用研究是密不可分、雙向并進的。一方面，人工智能在不同領域的應用是否成功，取決于能否破解該領域理論與實踐面臨的一系列難題，這顯然又取決于人工智能的成果能否與該領域深度融合，畢竟這是兩種話語體系、思維方式、工作模式溝通基礎上的協同創新。另一方面，人工智能基礎理論的進展，取決于對人類大腦、神經系統、思維方式、感知覺系統、語言文字概念處理系統、行為系統及所有這些復雜系統相互關系的研究與模擬，而這些也正是教育基礎理論與實踐研究的基礎和前沿。由此可見，人工智能在教育領域的應用，不同于在其他領域的應用，因為這同時是深化人工智能基礎理論研究的重要通道。因此，將人工智能的成果引入教育理論與實踐，推動教育系統走出工業文明、步入信息時代，同時用教育創新的實踐與理論成果反哺人工智能研究與應用，開展這兩個領域專家的深度對話與攜手創新，尤其是共同推動作為兩大領域基礎理論和前沿的學習科學與學習技術的研究以及實踐的深化發展，具有重大的現實價值和深遠的戰略意義。 一、智力、智能與人工智能 (一)視角的選擇與概念的澄清 當前人工智能已成為時代和社會關注的一大熱點。大家普遍接受了這樣的觀點：科學技術的進步將把人類帶入一個新的時代，人工智能將破解當前人類文明發展的許多重要難題。但究竟什么是人工智能？人工智能和人類智能是什么關系？如何從人類文明的健康發展角度來選擇和確立人工智能發展的目標和價值導向？對這一系列重大問題的認識和思考，目前非常混亂，而且存在著很多誤區和模糊認識。這就必須正確解讀和認識人工智能。 什么是人工智能？這是一種追根溯源的研究，可以稱之為人工智能的本體論、認識論問題。這個問題涉及多學科、多重視角、多種研究方法和方法論之間的對話與融合，我們選擇從大教育觀的視角來討論人工智能與教育的關系。 研究人工智能，當然要從大家都熟悉的人工智能的發展歷史入手，并由此尋找深化發展的生長點。一談到人工智能的歷史，大多數人都會從1956年美國達特茅斯會議上首次提出人工智能(artificialintelligence，簡稱AI)這一概念開始。也許有人會往前延展到馮·諾依曼和阿蘭·圖靈的貢獻，接著展開論述人工智能發展進程中不同流派的興衰和總體的三起三落，尤其是當前基于復雜神經網絡的“深度學習”。這其實是狹義的人工智能技術發展史，要真正理解和解讀智能這一最基本的概念，還要從人類對智力的認識和研究追根溯源，并在人工智能專家與心理學、教育學專家的對話交流中，對基本概念進行反思，澄清許多混亂和模糊的認識。 (二)智力與智能辨析 首先需要辨析的概念是智力與智能。很多人認為，在英語中二者是同一個術語“intelligence”，因此在譯成漢語后很少將二者加以區分。實際上在漢語中二者是有明顯區別的，智力是指人的內在能力，而智能則是這種內在能力所表現出來的外在功能。其實在英語中這種差異和區分同樣存在，intelligence在英語中是個多義詞，既可以指人乃至動物的內在智力(更多是使用mind，中文譯成心智)，也可指心智的外顯功能，以及從外在功能來研究內在智力。法國心理學家比奈(AlfredBinet)1905年編制的世界上第一個智力量表用的就是intelligence，哈佛大學著名心理學家加德納(HowardGardner)提出的多元智能理論，用的也是intelligence。仔細分析不難看出，早期心理學家對于復雜的人腦和智力活動無法直接研究和把握，所以行為主義心理學家就將其視為“黑箱”，而從外顯的行為入手來研究智力。1956年，人工智能這一概念誕生后，開啟了從外部模擬人腦和神經系統功能，從內外兩方面研究和發展智力的新路。 人類探索智力與智能的過程經歷了不同發展階段，形成了不同的研究方向、路徑、專業，產生了不同的方法、理論和話語體系，因此開展不同領域之間的對話交流就顯得極其重要。當前特別要開展人類智能與人工智能兩大研究與實踐領域的對話，促進兩者在雙向建構中攜手創新，形成不斷發展的人—機智能系統，把個體和人類從繁重的腦力勞動，特別是重復性思維、學習、教育活動中解放出來。 (三)智力的內在結構與雙向建構 對智力的研究不能滿足于對智力下一個簡單、靜態、抽象的定義，而必須把智力放在人類文明發展的進程中深入考察其演變發展。 從方法和方法論上尤其要對以下三者做嚴格明確的區分：其一是智力本身的內在結構—功能及其演變機制；其二是人類對智力認識和研究的不斷深化發展；其三是智力功能的外化和人類對這種外在于人的智力功能的模擬、創造。當前智力、智能和人工智能研究中的混亂，許多都源于對這三者的混淆。 我們首先來考察智力的起源及其內在結構—功能的演變機制。現代科學面臨四大難題：宇宙起源、生命起源、人類起源、智力起源。在討論人類起源和智力起源的時候，關鍵難題是要回答人與動物的本質區別，而且必須揭示這種區別是如何產生的。恩格斯在《勞動在從猿到人轉變過程中的作用》中揭示出，使用工具的勞動過程促成了原始人的手腳分工、直立行走，專門使用工具的手的形成，和在使用制造工具過程中意識、思維、技能的產生和大腦、神經系統結構的變化，在漫長的進化過程中形成了越來越復雜的智力結構。由此可見，從人類生存發展的需要出發認識世界，提出問題和解決問題，這是人類智力的最本質特征。由此我們可以揭示出智力的基本要素和內在結構。 在智力結構中，居于首要地位的是認識世界的能力，簡稱認知能力，包括觀察力、記憶力、思維和想象力、人與人之間的交流能力等；但人類認識世界的目的是適應環境，改變環境，不斷創造出更適合人類生存發展的環境。這是人類特有的實踐活動，其內涵和外延都要比認知活動更大。人類實踐與動物行為的本質區別在于：人的實踐是使用工具改造世界的有目的、有意識的活動，這種有目的、有意識的活動就是智力活動。對智力結構及其外顯功能的剖析，必須重視對使用工具技能的研究和解讀。勞動工具是人類肢體器官的延伸和外化、強化，與此相聯系的使用和制造工具的能力，則是智力中區別于認知能力的技能，其特點和主要表現形式是具有可操作性的程序化活動。在人的智力產生發展中，伴隨著認知和技能的還有道德、意志、情感、興趣、動機、審美、價值觀乃至理想信念等。在許多心理學理論中，把道德與情感排除在智力活動之外，稱之為非智力因素，這顯然是一種狹義的智力觀。加德納1983年提出的多元智能理論突破了這一狹窄的傳統心理學視野，將音樂智能、空間智能、身體運動智能、人際交往智能、自我認識智能等都納入人類智能結構之中，這是智力研究中的重大突破，為智能和人工智能的研究奠定了更全面、科學的理論和方法論基礎。 人類智能的發展是一個雙向建構的過程：使用和制造工具的勞動一方面促進了內在智力的發展，使人的感知覺和概念、判斷、推理等思維能力和理性認識，以及制造和使用工具的技能、戰勝各種困難的意志力和審美情感、社會交往能力等越來越豐富、復雜；另一方面創造了越來越豐富的外在于人的工具系統、人化自然環境(房屋、城市、農業、畜牧業、手工業等)，以及用各種文字符號記載的多樣化的精神產品(音樂、美術、文學、科學、道德、哲學、宗教等，哲學家卡爾·波普爾將此稱為“世界三”，這正是人機結合展現人工智能這一超強智能的重要舞臺)。這內外兩方面的雙向建構在不斷深化發展的認識和實踐過程中相互轉化，螺旋上升，使人類文明以越來越快的速度向前發展。 (四)人類對智力認識和研究的深化發展 對智力的研究和反思首先是在古代哲學中展開的，古希臘柏拉圖、亞里士多德的著作中有大量關于宇宙、精神、理性、靈魂的探究。這種抽象的哲學本體論探究雖帶有濃厚的宗教神秘主義色彩，但許多天才想象和猜測，成為后來科學發展的思想源泉。康德是西方思想史的集大成者，他概括了西方哲學、科學、道德、宗教、藝術等領域的成果與困惑，寫了《純粹理性批判》《實踐理性批判》《判斷力批判》，深刻闡釋了人類內在的認知、道德、情感，和外在的科學、人文、藝術三者之間的區別與聯系，提出了判定真善美的價值尺度。近代科學中專門以人類大腦、神經系統、思維和心智為研究對象的學科是心理學。1879年德國著名心理學家馮特在萊比錫大學創建世界上第一個心理學實驗室，標志著心理學的正式誕生，至今還不到150年，卻產生了眾多流派和思想體系，如華生和斯金納的行為主義、比奈的“智商測試”、吉爾福特的“智力三維結構魔方”、弗洛伊德和榮格揭開潛意識之謎的精神分析學、皮亞杰的發生認識論、科爾伯格的道德發生論、維果茨基的社會建構主義、奧蘇伯爾對機械學習和有意義學習的區分、加德納的多元智能理論、馬斯洛和羅杰斯的人格主義心理學、斯托曼的情緒心理學、布洛的審美心理學……這些心理學家分別從不同層次和視角對人類大腦、神經系統、感知覺、思維、道德、情感、意識、無意識等各類心理現象和心理活動展開了全面系統的研究。 如此龐大、復雜的智力研究成果如何分析、整合、評判、篩選，又如何用來指導學習者和教育者更有效、健康地開發個體智力，提升人類整體智能和文明水準？1946年世界上第一臺電子計算機的誕生，創生了從外部模擬與提升智力功能的現實道路，從此人工智能和人類智能開啟了攜手步入信息時代的新征程。 (五)從智力的科學研究轉向信息技術與智能技術創新探索 前面我們對人類智力的發展以及對智力認識的發展史進行了梳理，但要檢驗和不斷深化對智力的認識，就必須研究智力的功能，并從外部模擬、發展和強化這些功能。這就必須實現從科學研究向技術創新的轉變。從計算機技術到人工智能技術的發展，展現了人類打開智力黑箱的另一條艱難探索之旅。 查閱人工智能的歷史和作為人工智能前史的計算機科學與技術發展的歷史，可以很容易找到各種版本的詳盡介紹，無須贅述。歷史研究的目的是總結歷史規律，指導和把握現實與未來發展的方向。這就需要把信息技術、智能技術放在更廣闊的視野中，在工業文明向信息時代轉變的歷史背景下認識和把握信息技術、智能技術的本質與發展趨勢。 如前所述，智力和人工智能是兩個不同的世界，前者是人的內在世界，后者是人創造的外在世界，也被稱為“人化自然”。研究和探討這兩個世界的關系，是探究復雜人工智能之謎的關鍵，破解這一關鍵難題的鑰匙是“技術”。 二、技術發展的三個階段與人工智能的本質 (一)技術概念的歷史演變 技術究竟是什么？這個問題看起來似乎很簡單，但真要給技術下一個明確的定義卻沒那么容易。 《辭海》對技術的定義是：根據生產實踐經驗和自然科學原理而發展成的各種工藝操作方法與技能。廣義地講，還包括相應的生產工具和其他物質設備，以及生產的工藝過程或作業程序和方法。① 《哲學大辭典》是這樣定義技術的：技術一般指人類為滿足自己的物質生產、精神生產以及其他非生產活動的需要，運用自然和社會規律所創造的一切物質手段及方法的總和。西方技術一詞源自希臘文lechne，意為“工藝、技能”。漢語出自《史記·貨殖列傳》：“醫方諸食技術之人。”包括生產工具和其他物質設備，以及生產的工藝過程和作業程序。從本質上說，技術是一種勞動的形態，是人類自身功能的對象化的產物。② 在這兩個定義中，對技術的理解是有差異的，后者在東西方技術概念的比較中更深刻地揭示了技術的本質，是技術哲學的視野。 現代技術是在文藝復興以來西方科學、文化、經濟、社會的土壤中形成與發展起來的，因此，要想更深刻地理解和研究現代技術的本質、規律及其理論界定，就必須對西方技術概念的演變發展做簡要的歷史回顧。③ 在西方思想史中，技術概念經歷了一個不斷演變發展的歷史過程。 亞里士多德是西方思想史上第一個對知識和人類活動進行分類的哲學家。他最早對科學和技術做了區分，把技術稱作“制作的智慧”，這代表了西方古代哲人對技術的看法和觀念。由此我們已經可以明確看到在技術結構中所包含的兩大要素：其一，技術是人類的創造性智力活動，這是技術的本質特征；其二，技術存在于人類使用工具改造世界的(制作)活動之中，這是技術存在的外部形態，僅僅停留于頭腦之中的智力活動是不能稱為技術活動的。所以，技術是人類使用工具創造性地改造世界的客觀物質活動。 人類的技術活動加速了人類文明發展的進程，同時使技術本身的內容和形式變得越來越復雜。18世紀的法國哲學家狄德羅給技術下了這樣的定義：技術是為某一目的共同協作組成的各種工具和規劃體系。這是在近代科學誕生和與此相伴隨的工場手工業興起之后人們對技術的看法。目的、協作、規劃體系等概念在技術定義中的出現，標志著近代技術的目的性、超前性、復雜性、協作性、系統性等特征已開始被認識和重視。 工業革命是技術發展史上一次質的飛躍，因為在蒸汽機出現以前，技術中的工具系統都屬于人類肢體的延伸，而蒸汽機則是人體動力系統的延伸，通過在工具系統中加入越來越強大的能源系統，并由此使工具系統中的機械部分從結構到功能都發生了質的變化，使人類改造自然的能力以前所未有的速度迅猛發展，創造了近代以來依靠工程技術實現經濟騰飛的奇跡。正是這樣的時代背景，呼喚人們從理論上總結技術的本質和發展規律及其社會作用，技術哲學由此誕生。德國哲學家E.卡普于1877年出版的《技術哲學綱要》一書，被公認為技術哲學誕生的標志，他在書中把技術看作人類創造力的物質體現，把技術活動看作人類“器官的投影”。這種技術觀顯然帶有十分濃厚的機械論色彩，這是工業文明時代工程師乃至公眾技術觀念中不可避免的時代烙印。同許多19世紀的學者一樣，卡普對技術的潛力十分樂觀，把技術視為文化、道德和知識的進步以及人類“自我拯救”的手段，這也代表了工業文明時代的技術價值觀和歷史觀。與此不同的技術觀的代表是海德格爾，他以存在主義哲學大師所特有的人文關懷和冷峻目光，開創了對技術和技術社會進行哲學反思與文化批判的后現代思潮。 (二)技術在人類文明發展中經歷的三個階段 跨入21世紀以來，世界正在經歷著從工業文明向信息時代的歷史巨變。什么是信息技術？信息技術為什么能夠成為時代的標志？要想解答這些問題，就必須研究劃分歷史時代的現實根據和理論依據。 眾所周知，唯物史觀是把生產力發展水平作為劃分歷史時代的客觀依據。馬克思當年曾以制造生產工具的物質材料的變革作為區分不同時代生產力發展水平的客觀尺度，科學地揭示了石器、青銅器和鐵器的更替所導致的生產力發展的質變，以及由此決定的生產關系、生產方式的變革。 當大機器生產取代手工工具之后，社會以更快的速度向前發展。此后生產力的質變以什么為標志呢？仍然以制造生產工具的物質材料來區分顯然不行了。馬克思剖析了以蒸汽機的誕生為標志的工業革命，揭示和論證了這是生產力與交往方式、社會關系發展中更重要、更深刻的歷史變革。只是由于受當時歷史條件和生產力發展水平的限制，馬克思未能對此作出更深刻的哲學概括，沒有明確提出劃分現代生產力發展階段的尺度。 現代科學家、哲學家對這個問題作出了各種不同的分析和解釋。從哲學高度總結概括當代科學技術和人文社會科學的研究成果，在更廣闊的歷史時空中剖析生產力發展中主要矛盾演變發展的規律，從而在更高的抽象層次上概括和揭示劃分生產力發展階段的客觀尺度，豐富和發展唯物史觀的理論體系，不但有助于生產力范疇和理論體系的深化，而且能更科學有效地指導日新月異的社會實踐。④ 當代生產力技術構成的最主要因素可以歸結為材料、能源和信息。在不同時代，這三者對生產力發展的影響是不同的，表現出以下規律：生產力的質變先后以材料、能源和信息為標志。這是生產力內在矛盾運動的必然結果，體現了生產力發展中主要矛盾的轉移：在以手工工具為特征的原始社會和農業社會，生產力發展的水平和效率主要取決于制造工具所使用的物質材料，由此決定了材料變革成為生產力質變的標志；當機器代替手工工具之后，龐大的機器設備同有限的人的體力發生了尖銳矛盾，這使動力、能源上升為生產力發展中的主要矛盾，并將各方面的科技成果和科學家的智慧凝聚到這一主題上來；蒸汽機的發明解決了這一主要矛盾，成為近代生產力發展的強大推動力，而由此導致的機器設備的迅速更新又同蒸汽機的笨重、低效率發生了尖銳矛盾；電動機的發明和電力的推廣應用解決了這一矛盾，因此成為第二次產業革命的標志；能源、動力系統的變革，促使生產力系統的結構和功能日益復雜化，并創造出高速運轉的流水線，使生產過程中需要迅速處理的信息量劇增，這又同人的智力發生了尖銳矛盾，計算機的誕生延伸了人腦，使生產過程中信息處理和控制系統發生質變；計算機在生產過程中的普遍采用，勢必要求信息傳導、加工、存儲、選擇利用等系統隨之發展，從而推動了衛星通信、光導纖維、大規模集成電路等新興產業乃至多媒體計算機、互聯網、云計算、智能終端等當代信息技術的迅速發展。 對技術發展三個階段的歷史考察清楚地揭示出：計算機技術、人工智能技術是區別于手工工具技術、能源技術的信息技術。信息技術的特征是要把人腦和神經系統，也就是內在智力的功能外化、符號化(軟件)、物化(硬件)、強化。人腦的功能極其復雜，如何破解這一神秘的“黑箱”？人的大腦和思維功能如何外化、強化？這就需要進一步回顧總結人工智能技術的前世今生，由此把握其發展趨勢和前景。 (三)計算機技術催生的人工智能技術 在智力外化的復雜探索中，人類從當時的需要和可能出發，找到了突破口：從模擬簡單、有嚴格規律的計算功能出發，產生了從簡單的手搖計算器，到越來越復雜、高速運轉的電子計算機。1946年誕生的第一臺電子計算機埃尼亞克(ENIAC)，是為解決復雜的火炮彈道計算和火力表測試而設計的，每張火力表包括3000個不同的彈道參數，其中每個飛行時間為60秒的彈道用臺式計算器來計算，一個人需要用20個小時。美軍軍部雇傭了兩百多個計算快手，還是算不過來，而埃尼亞克每秒鐘可以進行5000次加法運算，還可以做乘除法、平方立方和更為復雜的函數數值運算⑤，這讓人們大為驚喜。英文的computer被翻譯成電腦，從計算速度來說，電腦確實大大超過了人腦，但其實兩者的工作原理是完全不同的。在計算機的設計過程中，人們發明和使用的是二進制，用0、1兩種不同的代碼表達“通”和“斷”兩種不同的光電信號，再把各種復雜計算任務編寫為用二進制計算的程序和算法，機械的高速運算就實現了。如今最快的大型計算機已經達到每秒千萬億次的運算速度，能處理各種極其復雜的計算問題，但其基本工作原理仍然建立在人為其設計的機械化運算程序基礎之上。 然而人類用電腦代替人腦、超越人腦的理想和追求卻始終沒有停止。正是在這樣的追求中，人工智能的概念和技術呼之欲出，并在艱難曲折中發展起來。 人工智能的設想和概念的提出，主要歸功于三位人物。 第一位是被譽為計算機科學之父的阿蘭·圖靈(AlanTuring)。1936年圖靈發表了著名的論文《論數字計算在決斷難題中的應用》，提出了用簡單算法實現超強計算能力的理念和“圖靈機”的天才構想，奠定了現代計算機的理論基礎，并在“二戰”中英國情報局研制的密碼破譯機中實現了計算技術的重大突破，開啟了具有存儲程序的數字計算機的基礎和方向。1950年圖靈又發表了題為《計算機器與智能》的著名論文，提出了圖靈測試、機器學習、遺傳算法和強化學習等重要概念和思想，成為人工智能的思想先驅。 第二位是馬文·明斯基(MarvinMinsky)。1951年他提出了關于思維如何萌發并形成的基本理念和構想，并建造了世界上第一個神經網絡模擬器“Snare”，雖然還比較粗糙、不夠靈活，卻是人工智能研究初期的重要嘗試。在此基礎上，明斯基提出和破解了使機器基于過去行為的知識，預測其當前行為結果的難題，并于1954年完成了以《神經網絡和腦模型問題》為題的博士論文。后來明斯基在接受《紐約時報》采訪時說：“智能問題看起來深不見底，我想這才是值得我奉獻一生的領域。”正是這一想法，使他與人工智能的研究終身相伴，被譽為“人工智能之父”。 第三位是約翰·麥卡錫(JohnMcCarthy)。他是標志人工智能誕生的“達特茅斯夏季人工智能研究會議”的倡導者和人工智能這一術語的提出者。麥卡錫當時的主要研究方向是計算機下棋，在艱難探索中他創立了著名的α-β搜索法。1958年他到麻省理工學院任職，與明斯基一起組建了世界上第一個人工智能實驗室，提出了將計算機的批處理方式改造成能同時允許數十甚至上百用戶使用的分時方式的建議，并創建了世界上最早的分時操作系統。1959年麥卡錫開發出著名的LISP語言，成為人工智能界第一個最廣泛流行的語言。1962年麥卡錫轉入斯坦福大學，成為該大學人工智能實驗室的主持人，為人工智能領域培養了大批優秀人才，也被譽為“人工智能之父”。 (四)人工智能技術發展的三起三落 對人工智能發展歷史的介紹和總結概括已經很多了，但過于專業化容易讓非專業人士感到困難，因此以下我們嘗試用理論與實踐結合、教育與技術對話、雅俗共賞的方式做概括性的梳理和介紹。 人工智能研究的最初思路是要從外部模擬人的大腦和思維活動。從70多年人工智能和智能技術開發的方法和方法論歷程來說，先后嘗試和經歷了對人腦思維的功能模擬、結構模擬和行為模擬三種路徑，并形成了與此相應的功能主義學派(也稱為邏輯或符號主義)、結構主義學派(也稱為連接或仿生/神經網主義)和行為主義學派(也稱為進化或控制主義)三大流派。功能主義注重數學邏輯可解釋性，連接主義注重仿人腦模型，行為主義注重應用與反饋控制模擬，三派分別開拓了人工智能研究的不同疆界，但也都遭遇到各自的挫折和發展瓶頸，由此演繹了70多年來人工智能發展三起三落的精彩劇情。 1956年達特茅斯會議之后，人工智能迎來了發展的第一次高峰。計算機原來被認為是只能進行數值計算的機器，通過對人腦產生思維的模擬，連接主義學派早在1943年就提出了形式化神經元M-P模型，特別是1957年提出了感知器神經網模型，使其開始應用于數學定理證明和自然語言處理等領域，如解決學生感到棘手的幾何定理證明、求解大學一年級的閉合式微積分問題。還可以編寫西洋跳棋程序，能達到業余高手的水平，設計整合多項技術的機器手，開啟機器人探索等。這讓很多研究者和應用者感受到計算機智能化的威力，當時有不少學者樂觀地預言：“二十年內，機器將能完成人能做到的一切。”但當時計算機計算能力不足，對應的算法也相對簡單，遇到復雜問題就無法解決。1969年明斯基與LOGO編程語言的發明者西蒙·派珀特在合著的《感知機》一書中反思了當時初級形態“感知機”的局限性，使人工智能在整個70年代陷入了低谷。 人工智能的第二次高潮源自對人類專家的知識和解決問題的方法進行的研究和功能模擬，開啟了以“專家系統”為代表的人工智能邏輯符號學派的發展歷程。專家系統通常由人機交互界面、知識庫、推理機、解釋器、綜合數據庫、知識獲取等部分構成。其中知識庫與推理機功能的分離是對人腦功能研究深化所取得的一項重要成果，這項成果源自認知心理學對大腦短期記憶和長期記憶功能的區別的研究。特別是赫爾伯特·西蒙揭示短期記憶功能和容量的“組塊原理”，啟發計算機設計者將計算機記憶功能的內存和硬盤分離，大大提高了計算機的速率。此階段的一個標志性成果是1997年IBM“深藍”機器人(超級計算機)擊敗了國際象棋世界冠軍卡斯帕羅夫，這在當時引起了極大的轟動，是邏輯符號主義人工智能在博弈領域的最高成果。但此時人工智能已遭遇到“第二次寒流”。專家系統的“瓶頸”在于：雖然每個領域專家系統數據庫中存儲的專家經驗和案例都是海量的數據，但每個領域現實中要解決的問題是千變萬化的。以國際象棋中的博弈為例，IBM“深藍”機器人存儲了象棋大師豐富的棋譜，對手每走一步棋，“深藍”都要在復雜的棋譜中快速搜索、尋找對策，甚至要測算出后面的十幾步、幾十步棋，這樣才能穩操勝券。而這取決于專家數據庫的豐富性、計算機算力的強大和要解決的現實問題的復雜程度。所以當時很多專家都斷言，機器人可以在相對簡單的國際象棋比賽中打敗世界冠軍，但要想在極其復雜的圍棋比賽中獲勝是絕對不可能的！ 面對人工智能再次出現的低潮，在不被理解，缺少項目、資金支持等困難條件下，許多人工智能專家仍堅持不懈地深化基礎研究和應用研究，取得了一系列重要成果。如1982年的霍普菲爾德網絡，1985年的玻爾茲曼機，1986年的多層感知器，1986年反向傳播算法解決了多層感知器的訓練問題，直至1987年卷積神經網的發明并于1989年將反向傳播算法和卷積神經網絡用于識別銀行手寫支票的數字，首次實現了人工神經網絡的商業化應用。此時恰逢互聯網創造的“數字化生存”新時空降臨，并快速穿透、擴展到人類工作、學習、生活的方方面面，加速了人類從工業文明向信息時代的歷史變革。互聯網催生了“云計算”“大數據”“物聯網”等，并通過迅速發展的各種“智能終端”深入各行各業、千家萬戶，深刻地影響和改變著人們的思維和行為方式，再隨時把海量數據反饋、匯聚到云端數據庫中。云端的巨型“電腦”不僅要存儲和學習專家的知識和行為，還要分析研究各行各業、老百姓的各種需求和行為，由此推動人工智能從專家化向大眾化、生活化、人性化服務轉型。這促使人工智能再次開展對復雜的人腦和神經網絡進行更深入的研究和模擬，人工智能的硬件軟件技術和算法也在更快的創新中迅速更新、升級。人類進入互聯網和大數據時代后產生了海量數據，2004年圖形處理器(GPU)的發明，使得支撐建立在新一代神經網絡(卷積神經網絡、深度神經網絡等)基礎上的深度學習所需要的算力得到滿足，開啟了“機器學習”應用的快速發展；2009年在語音識別方面取得了重大突破；2011年蘋果公司將Siri整合到iPhone中開展人機交談；2012年谷歌研發的無人駕駛汽車開始路測；特別是2016年3月9日至15日，谷歌的AlphaGo與世界圍棋冠軍韓國李世石大戰五局，前者以4∶1獲勝，打破了20年前“機器人在圍棋中不可能取勝”的預言。至此，人工智能第三次浪潮終于開始降臨。 人們驚訝地追問：基于神經網絡深度學習(連接主義學派)的AlphaGo與基于邏輯推理(符號主義學派)的“深藍”之區別究竟何在？其奧秘在于：“深藍”可視為在單層(淺層)“神經網絡”中存儲和訓練眾多國際象棋大師的“棋譜”，在高速運算中遵循規則，通過程序尋找雙方對弈的可能路徑(窮盡法搜索)，由此測算下面的棋局發展變化與對策，據此戰勝對手；AlphaGo(以及升級版的AlphaGoZero)則是基于多層(深層)神經網絡的“深度學習”與“增強學習”(reinforcementlearning)策略，通過自我對弈訓練來提高圍棋博弈水平。人工智能專家將這種新一代人工智能神經網絡的算法和功能稱為“深度學習”，但實際上人工智能的“深度學習”與人類的學習模式還是截然不同的。認清這一點至關重要，我們將在后面對此做詳細解讀。新一代人工智能有了這樣一種功能強大的“大腦”和“神經網絡”，要想解決現實中的各種復雜問題，特別是與人的溝通，還必須模擬人的“感知—行動”。這使行為主義學派的價值開始顯現。行為主義學派的思想源于進化論和控制論，認為智能取決于感知和行為對外界復雜環境的適應，而不是表示和推理，只要一個人造機器具有和智能生物相同或相似的表現，那它就是智能的。這派的代表作是著名的波士頓動力機器人和波士頓大狗，可完成各種體操動作，踢不倒，穩定性、移動性、靈活性都非常突出，但其智能并非來源于自上而下的大腦控制中樞，而是自下而上的肢體與環境的互動。近十年來，人工智能在模擬人的各種行為方面攻堅克難、集成創新，取得了越來越具有實用價值的喜人成果：語音識別，圖像識別，機器翻譯，無人駕駛的飛機、汽車，銀行、商店中的電子支付系統，各種場景中的人臉識別系統等，在各種危險、繁重的工作場景中充當人的替身，嘗試成為孩子的學伴、老人的護工，甚至成為信息化、智能化戰場上可怕的殺手。信息化、智能化成為一種不可抗拒的時代潮流，在數字化生存新天地中，人們的工作方式、學習方式、生活方式正在發生著潛移默化的深刻變革。新一代年輕人是數字化生存環境中的“原住民”，年長的一代則不得不努力成為“移民”，否則就將成為“難民”…… 然而，人工智能在應用領域節節勝利的喜慶聲中，其發展的瓶頸再次顯現：應對復雜應用環境的魯棒性(在異常、危險情況下的系統穩定性)和自適應性，智能系統的安全性、通用性，數據挖掘的“偏見性”，高速計算的成本等，質疑和反對的聲音也隨之出現。人工智能的“寒冬”還會再次降臨嗎？ (五)圍繞人工智能發展現狀與前景的論爭 我們在看到當今人工智能一路高歌猛進的成果時，也必須看到其發展的局限和瓶頸，尤其要更深入地研究和反思人工智能與人類智能的關系。前面我們主要是從樂觀、積極的方面總結技術和信息技術、人工智能發展中不斷取得的成就的史料和觀點，其實在技術，尤其是能源技術和信息技術發展進程中，懷疑、批判、反對的聲音始終存在。這樣的觀點、理念成為后現代思潮中的重要警示，提醒專家和公眾認識和研究技術的“雙刃劍”性質，始終保持理智、科學、清醒的頭腦。 在谷歌的AlphaGo戰勝世界圍棋冠軍李世石之后，圍繞人工智能前景展開了激烈的爭論。很多人樂觀地預言，人工智能在五十年之內將會超過人類，他們的依據是，如今計算機對數字的運算速度已經達到人類的幾十億倍。當代兩位科技奇人斯蒂芬·霍金和埃隆·馬斯克也都提出過“AI威脅論”，從一個獨特視角表達了對人工智能前景的預測。充滿想象力的文學藝術家，特別是影視編導們則創造了不少科幻作品和好萊塢大片，宣傳人工智能取代人、戰勝人、毀滅人類等聳人聽聞的話題，制造了公眾對“AI”的恐慌情緒。許多資深的人工智能專家也嚴肅地發表了各自的見解。南京大學機器學習與數據挖掘研究所長周志華院士在接受鳳凰網記者訪談時，對此問題的回答中引述了國際上公認的“深度學習”三大帶頭人之一、Facebook人工智能實驗室負責人燕樂存(YannLeCun)的話：“有些人是因為對人工智能的原理不理解而導致恐懼，有些人是為了個人名望而宣揚人工智能威脅論，有些人則是為了商業的利益推動人工智能威脅論。”⑥我國模糊數學與人工智能基礎理論研究領域的著名專家汪培莊教授有一段深刻的反思：“深度上淺層化、廣度上碎片化、體系上封閉化，乃是當今人工智能發展中明顯存在的病癥。”根源何在？可能還是要回歸到人工智能和人類智力的比較，并由此深入人工智能的基礎理論和方法論中尋找。在此要特別推薦我國著名人工智能專家李國杰院士的觀點。⑦2021年7月李院士圍繞人工智能是否會再次進入嚴冬，深度學習是否達到了發展的天花板，AlphaFold給我們什么啟示，可解釋性和通用性是不是當前最重要的研究方向，符號主義與連結主義融合的前景如何，中國如何發展人工智能技術和產業等當前世界人工智能發展的現狀和前景發表了系統、獨特、深刻的見解，其中專門介紹了斯坦福大學每年發布的《人工智能指數報告》(TheAIIndexReport)2021年的觀點，認為報告既肯定了人工智能近十年取得的進展和為企業提供了大量機遇，又強調必須注意采取措施降低使用人工智能的風險。我國在對人工智能的前景做判斷時，既要看到人工智能技術的高速發展和巨大潛力，又要看到現有技術的局限性和人工智能理論取得重大突破的艱巨性。 如何判別當前圍繞人工智能爭論與分歧中各派觀點的是非曲直？這涉及多重視角、多種價值觀紛爭，是極其復雜的科學技術、經濟道德、社會文化、哲學宗教交織在一起的復雜現象，下面我們從大教育觀的視角，深入與人工智能密切相關的學習科學與教育領域，或許能找到一些與眾不同、引人深思的觀點和啟示。 三、人工智能教育應用的價值導向與系統工程設計 (一)技術在教育領域應用的歷史反思 技術誕生于人類改造自然的物質生產領域。迄今為止，人類運用得最純熟的還是非生命的理化技術，其機械、主客二分甚至主客對立的技術哲學背景，使近代技術在工業革命以來一方面取得了不可阻擋的輝煌成就，另一方面也使原始、和諧的自然資源和生態環境遭到了不可容忍的劫掠與破壞！ 技術的發展和普及有其自身的規律性，其中一個重要規律就是，技術必須適應它所運用的領域和對象的特殊性。近代理化技術之所以首先在近代工業中獲得成功，原因在于近代工業的對象基本上都是非生命的自然物。而農業、畜牧業對理化技術的運用要比工業困難得多，也遲緩得多，因為當時人們尚不能用理化技術去直接干預、改造有生命的動植物生長發育過程。只是在人們找到農機、化肥、農藥、化學除草劑等現代農業技術來改造農作物所生長活動的外部條件和外在過程，從而間接地影響和干預其生長發育的內在過程，尤其是直接影響種植和收獲這兩種植物生命發展處于相對靜止的特殊狀態時，現代農業技術才在農業生產領域取得了成功。只是成功的背后也留下了眾多敗筆和無窮的隱患！ 技術在畜牧業中的命運比農業更慘淡，因為其面對的是具有更復雜生命活力的動物界。理化技術的不適當干預，會使動物的發育受損甚至死亡，因此，畜牧業中現代技術主要停留在馴養、獸醫等間接領域，直到結束動物生命的屠宰、肉類食品加工等過程開始時，理化技術才大顯身手。而當現代生物技術和遺傳工程出現并逐漸成熟，人類能夠利用技術直接干預生命活動的內在過程之后，技術在畜牧業中的輝煌歷史才拉開帷幕。不過，技術在農業發展中的慘痛教訓，使人類對生物技術的應用比過去明智得多，也謹慎得多了。 技術在步入與人的生命活動直接相關的領域時，其步伐要緩慢和謹慎得多。這里值得一提的是醫療界。醫療技術的發展主要置身于對疾病的診斷、化驗、監測等外圍，最多深入對生命已壞死部分的去除等手術活動之中。近現代發展較快的是間接影響人類健康和生命活動的醫藥技術，但西藥對于人類生命活動的過多干預，已造成一些極其嚴重的消極后果。 當技術步入教育這個極為復雜的人文領域時，遇到了比其他任何領域更為激烈的論爭和障礙！⑧ 教育不屬于物質資料生產活動，而屬于人類自身的再生產和再創造。⑨教育的對象不是物而是人，不僅是活生生的、有生命活力的人，還是有思想、有自我意識、有自主活動能力的人。教育活動更重要的特點在于：作為教育者的教師在教育活動過程中并不直接改變學生的身體(物質)狀態，而只是通過語言、文字、表情、神態等來影響學生的思想和情感，改變學生內在的知識結構、認知結構、情感意志結構，并通過這些心理結構促進和影響學生身心結構、社會實踐活動結構的發展。因此，最初在教育活動中出現的技術工具不是人類肢體的延伸，而是書本、黑板、粉筆等向學生傳遞信息的物質手段。近代迅速發展起來的工業技術在物質生產領域取得了極其輝煌的成就，但對教育領域卻影響甚微。直到21世紀初發展起來的視聽技術在大眾傳媒中亮相之后，才被迅速引入教學教育過程中來，由此展開了從媒體技術到現代教育技術迅速發展的生動畫卷。這一歷史事實本身就是令人深思的。它啟示人們：信息技術在教育領域的發展不但要遵循技術發展的規律，而且要遵循教育發展的規律。當代教育哲學的研究和發展已經大大深化了人們對教育本質和規律的認識，由此推動教育理論與實踐中的觀念更新。顯然，當代教育理論與實踐工作者只有不斷提高自己的教育哲學修養，樹立正確的知識觀、學生觀、學習觀、師生觀、課程觀、教學觀、教育評價觀、教育管理觀、教研科研觀等，才有可能按照先進、科學的教育思想，設計符合學生身心發展規律的信息化、智能化教育教學模式，求真務實地提高教育質量和效益，引領教育系統走出工業文明、步入信息時代。 (二)當今社會三種不同層次的技術觀 對技術的本質、發展規律及其在人類文明發展中地位和作用的認識和解讀，除了需要技術哲學指導，還需要有一種更深刻的歷史哲學視野。 技術一詞在當代社會中被廣泛使用，但是在當今世界的思想舞臺上，對技術范疇有著多層次、多方面的理解和解釋，發展成理論化的各派技術哲學，引發了當今技術社會中曠日持久的文化紛爭。各種技術觀和技術哲學雖然五花八門，但歸結起來大體可劃分為三個不同層次。 第一層次是從自然科學、工程學和經濟學角度對技術的認識，以及在這一立足點上對技術社會作用的理解。在工業革命的巨大變革面前，人們看到了技術對社會發展的強大推動作用，將技術視為文化、知識、道德進步和人類“自我拯救的手段”。這是技術發展的樂觀派。 第二層次是從社會學和生態學角度對技術和“技術社會”的批判。這是對理化技術主導下急劇發展起來的西方工業文明及其“社會病”的反思與批判，20世紀六七十年代世界生態危機、能源危機、水資源危機等一系列技術盲目發展的社會惡果越來越明顯地暴露出來，1972年《增長的極限——羅馬俱樂部關于人類困境的研究報告》是技術發展悲觀派的代表作，對世界產生了強烈震撼。 第三層次是從文化哲學、教育哲學、哲學人類學等人文與歷史視角對人與技術關系的透視，從更深層次研究和揭示技術的本質。這種觀點在本體論上把技術看作人的本質力量的公開展示，在價值論上把技術看作既可造福人類又可危害人類的“雙刃劍”，在未來觀上既反對盲目樂觀，又反對一味悲觀，主張用辯證思維把握人與技術的內在矛盾和人類征服自然與服從自然的外在矛盾，在矛盾的不斷解決中，自信地走向充滿更加復雜矛盾運動的技術社會的未來。⑩這種技術觀的提出和倡導者是馬克思、社會建構主義心理學和美學家維果茨基等，在飛速發展的現代技術和紛繁復雜的技術社會中得到了檢驗，并從多學科、多層面、多角度獲得了補充、完善、發展。這些重要的觀念和思維方式，顯然應該成為我們研究和駕馭以計算機、互聯網、大數據為基礎的當代信息技術、技術哲學和教育哲學的基本立場。 (三)兩種不同學習模式的對話 前面我們已經分析過，技術實際上分為兩部分，同時存在于兩個世界之中，這在最原始、簡單的勞動技術中可以看得很清楚：原始人用樹枝、石頭等外在的自然物來強化、延伸自己的肢體器官，創造了手工生產工具，同時積累了使用這些工具的經驗和技能，這內外兩方面分別在兩個不同世界中的發展是密切聯系、相輔相成、雙向建構的，二者的統一才是完整的技術。前面我們之所以要用大量篇幅解讀技術概念、梳理技術歷史、思考技術哲學，其用意正在于此。有了以上的基礎，我們就可以把人工智能放在人類文明發展的大視野中，進行更加深入的理論思考。 在技術內外兩個世界的不同發展路徑中，形成了兩套不同的概念、知識和話語體系。在手工工具和能源技術這兩個發展階段，技術在內外兩個不同世界中的界限是比較清楚的，不大會產生混淆。到了信息技術階段，內在的智力(頭腦中的知識、思維、技能)，與外在的智能(符號化的知識與處理、加工、創生這些外在知識的信息技術、人工智能)之間的邊界就變得極其復雜模糊，難解難分。尤其是表達和指稱內外兩個不同世界活動的概念有時用的是同一個語詞，混亂進一步增加。對此，可以舉兩個例子加以說明，一個是“知識”，另一個是“學習”(包括“深度學習”)。 “知識”有內外之別。內在知識是對經驗的總結、概括和系統化，其中包含大量未被表述甚至難以表述的“隱性知識”；外在的知識是經過整理、加工、提煉，有較強的邏輯性，而且用文字等符號體系清晰、明確地記載保留下來的“顯性知識”，并形成了一套從外部加工、整理、分類、篩選、提煉的方法和工具。 “學習”原本是人所特有的活動(也可用于描述動物的行為)。人類的學習活動和學習能力經歷了一個由簡單到復雜、由低級到高級的漫長發展過程，對學習的認識同樣經歷了一個由片面到全面、由現象到本質逐步深化的過程。人類最初的學習活動是在日常生活和生產中進行的，是在直接經驗中的學習，隨著語言和文字等符號體系的發展，尤其是科學知識的擴展，人類要學習的內容越來越多，逐漸創造出相應的間接學習方式——借助各種符號體系進行的學習。這既是一種高效率的學習，又始終不能離開學習的經驗背景，并且必須在實踐活動和直接經驗中對所學內容進行理解、消化、鞏固和提高。對人類早期學習活動的總結概括，形成了最初的學習概念。中國最早將“學”與“習”聯系起來，并探討二者關系的是孔子。《論語》開篇中的“學而時習之，不亦說乎”揭示和強調了“學”與“習”的內在聯系：“學”是“習”的基礎與前提，“習”是“學”的鞏固與深化。早在兩千多年前，孔夫子就強調了學習過程中的知行統一，以及由此所獲得的喜悅這一情感體驗，而這恰恰是學習的本質和內在動力。從以上分析不難看出，中國傳統文化中的“學習”包含“學”與“習”兩個環節，“學”是指人的認識活動，“習”是指人的實踐活動，這是中國傳統文化中長期探討的一個重大理論問題：知與行的關系，把二者統一起來才構成完整的學習概念。(11) 我們再來看計算機是如何加工處理信息的。 計算機按照人所設定的程序加工信息，處理外部符號體系所承載的知識，從教育學的視角和話語體系來看，這顯然不是學習，開始也的確沒有人將此稱為學習。但人工智能的創生，對計算機的發展提出了一個新的要求和方向：讓機器學會像人一樣學習，認為這樣的計算機就會有自主性、創造性，有同人類一樣的智能了。這其實是人工智能領域專家的一種理想和愿望。在這個意義上，我們可以把人工智能解讀為“讓機器學會學習”。70多年來，人工智能領域的專家為追求和實現這一目標，付出了大量心血和努力，取得了許多振奮人心的進展和成就，甚至提出了“深度學習”的概念。但仔細分析和比較一下會發現，人類的學習和計算機、人工智能的學習其實是完全不同的兩回事。要區分這兩者，就需要對兩種不同領域的學習的實際內容、方式、話語體系、基本概念進行比較。在此僅對這兩種不同的“深度學習”做個簡單比較。 教育學、心理學領域原來沒有“深度學習”這一概念和提法，近年來從人工智能領域引入的這一概念，已經成為當前教學研究的一大熱點。通過仔細分析不難看出，當前教育學中研究的“深度學習”，是著眼于如何加深學生對所學內容理解的深度，其理論基礎是應用學習心理學家奧蘇伯爾對“機械學習”和“有意義的學習”所做的區分。當前教育學領域研究深度學習的最主要目的，是要突破長期以來教學中死記硬背的機械訓練對學生創造性思維的扼殺，激發學生學習的興趣與內在動力，更有效地提高學習的效率。人工智能領域的“深度學習”，源自人工智能發展中兩個階段神經網絡在數據挖掘、模式識別等功能上的比較。前面我們對此做過介紹，早期的神經網絡只有一個層次，因此只能加工處理淺層次的簡單問題，此時的“機器學習”后來被稱為“淺層學習”；隨著計算機算力的迅速提升、各種創新優化算法的提出和互聯網上數字化知識庫及大數據的迅猛發展，多層結構的“深度神經網絡”誕生，并在圖像識別、語音識別、自然語言處理(機器翻譯)等人工智能技術應用中取得了突破性的進展，但所有這些進展都是運用“大數據”“云計算”等技術，在海量數據挖掘、訓練基礎上的模式識別，或者說是應用統計規律在大數據中進行搜索的模式識別，完全沒有對語義、圖像含義、聲音含義的理解。為更清楚地了解“機器學習”是如何進行的，我們有必要對AlphaGo的“深度學習”做具體解讀。 AlphaGo以及升級版的AlphaGoZero是通過“增強學習”策略進行自我對弈訓練深度神經網絡，建立增強深度神經網絡來提高圍棋水平：在初始階段，AlphaGo要通過歷史上產生的大量棋局訓練一個13層的監督式策略網絡(如何走棋的策略)，遵守圍棋規則并以超過50%的精度預測人類專家的落子；進入第二階段，AlphaGo開始與自己下棋，將過往訓練迭代中的策略網絡與當前的策略網絡對弈，并將對弈過程用于自我強化訓練，對獲勝的棋局加以獎勵，建立足夠大的神經網絡訓練棋局數據集；第三階段，AlphaGo通過從自我對弈中產生的不同棋局數據中采樣，生成3000萬個新的訓練數據，用以訓練棋局隨機決策價值網絡(評估每個時刻當前的取勝概率)。經過三階段訓練的策略網絡和價值網絡被混合進蒙特卡洛樹搜索算法，從而在比賽進行過程中評估當前的棋局形勢、預測未來可能的發展方式，并進行評估和作出決策(下哪一步棋)。從以上介紹中我們可以了解到，當前人工智能為何具有超強的“深度學習”功能，這種“深度學習”和人類的學習模式、學習能力是截然不同的。認清這一點至關重要。 通過以上案例不難看出，人工智能的“深度學習”，與人類建立在理解基礎上的深度學習是完全不能同日而語的。但這種基于“深度神經網絡”的“深度學習”功能，在對互聯網上海量數據庫中的數據、知識進行快速搜索、識別、篩選，并代替人做各種簡單重復性工作方面，遠遠勝過人類。因此，人工智能在人類工作、學習、生活中應用廣泛，深入應用的前景越來越廣闊。顯而易見，人工智能的長處彌補了人類智力的局限，而人類智力所包含的理解力、自控力、價值追求、情感態度等生命特征、道德意識、審美功能等人性特質，則是機器和機器人所不可能擁有的。這正是人工智能和人類智能的邊界之所在。正是這樣的邊界，決定了人類智能和人工智能雙向建構、攜手創新的必然趨勢和美好前景。在人機結合的人工智能創新發展中，從基礎理論到應用，都需要更深入開展東西方思維方式、研究方法、兩種學習理念，特別是兩種文化傳統的對話、溝通、互補、攜手創新。 在此特別需要強調的是：信息技術和人工智能的快速發展，對個體智能和人類整體文明水準提出了全方位的嚴峻挑戰。互聯網創生的數字化生存新時空既有急劇增長的豐富信息資源，又制造了最大的“文化垃圾廠”，這里充滿機遇又布滿陷阱。在這樣的挑戰面前，人類必須更快地學會辨真偽、明善惡、識美丑。這當然是人類特有的、不可替代的智力內涵與功能，面對與日激增的“信息海洋”只有借助具有智能化“深度學習”的“外腦”，才能適應這種新的生存環境。在這個問題上完全沒有必要懷疑機器人是否對人類忠誠，因為機器人沒有生命，更沒有人類的思維、意識、道德、情感。機器人當然可以擁有操縱和控制能源、機械、各種復雜設備，甚至啟動原子武器按鈕的功能，但這一系列關鍵性的決策程序都是其背后的人賦予的。這些關鍵崗位上的個體和人群，必須具有更高的文化教養、道德水準、人文關懷、自控能力、奉獻精神。整個社會更需要建立與此相應、不斷完善的一整套人才培養、選拔監督、優勝劣汰的體制機制。隨著人工智能技術在整個社會生活中日益廣泛的普及，對每個公民、每個家庭、社區、學校乃至各行各業從業人員的信息素養都提出了越來越高的要求。這是時代的呼喚，也是在全社會開展人工智能宣傳普及教育的歷史必然和迫切任務。 (四)人工智能教育的系統工程設計 現在世界各國和各類國際組織都高度重視人工智能的教育和宣傳普及，近幾年這方面的文件、報告、規劃、課程、資源、案例等非常豐富，需要認真借鑒、總結，并在實施過程中不斷發展完善。 規劃人工智能教育必須在信息時代的大教育觀下思考。面對這樣一個復雜的社會創新系統工程，必須運用互聯網思維、智能化思維突破原有工業化的思維框架，才有可能突破目前發展中的各種阻力、慣性、瓶頸，求真務實地創新發展。 在此僅想提出工程設計的整體思路和其中一些重要的理念、戰略問題，以及工程具體實施過程中的一些重要策略問題，并努力將理論與實踐、宏觀與微觀、科技與人文、戰略與戰術、普及與提高有機結合，嘗試做簡要策劃和系統工程設計。 作為一項教育普及的系統工程，首先要在現狀調研和需求分析的基礎上，選擇和確立工程建設的指導思想、目標追求和價值導向、評價體系、課程部署、師資培養、資源配置、體制機制創新保障。 人工智能教育的時代背景和目標追求，是要推動人類走出工業文明，步入信息時代。20多年來，信息化在社會生活方方面面都引發了深刻的歷史變革，但在最需要也最應該面向未來超前發展的教育領域卻明顯滯后。教育信息化實施多年來，互聯網在“校校通”工程建設中已深入學校課堂，信息技術教育課程也已普遍開設，各種全新的學習工具、學習資源、學習環境、學習模式在學校課堂內外如雨后春筍，改革課堂教學的各種理論與實踐也不斷涌現，卻因受到以傳統課堂教學模式和評價體系為核心的各種現行教育觀念、政策、體制的阻礙和束縛而步履維艱。深入中小學內部可以明顯感受到：傳統學習方式在學校課堂中依然存在；學校大量配置的數字化設備只是使“黑板搬家”“教科書搬家”，與教師中心主義的課堂講授一起構成了“人灌+機灌”，加劇了學習的異化和“非人化”；學校教育中像瘟疫一樣流行的厭學之風并沒有多少好轉，在學校和家庭周圍瘋狂生長出的網吧卻牢牢吸引著青少年，信息技術雙刃劍的正、負面影響清晰地展現出來。實踐表明，在20世紀(以工業文明為背景)的文化教育土壤中，不可能直接生長出21世紀(信息時代)的學習文化和教育體系。(12)當前世界范圍的教育改革已經深入圍繞兩種課堂學習文化展開大決戰，其中的難點和攻堅戰則是能否超越和徹底改變以“機械化灌輸+標準化考試(工業流水線)”為特征的傳統課堂教學模式。(13)這是當前從教育信息化上升到教育智能化的難點和突破口，也是人工智能教育最根本的價值導向和歷史使命。 人工智能教育要實現這樣的目標，面臨哪些阻力和瓶頸，又如何破解這些現實難題呢？從目前學校開設人工智能課程的現實狀況來看，必須解決好以下五方面的問題：課程設置和課時保障、學習空間與學習終端配置、教學資源庫與學習平臺建設、教學模式與教師培養模式創新、評價體系與管理體制機制創新。 我國幅員遼闊，各地區、各學校的差異極大，破解以上難題，絕不能采取一刀切、齊步走的工業化、行政化習慣和模式，而必須用信息化、智能化思維，創造性地處理好普及與提高、公平與效益、人文與科技、市場化管理運行體制機制的引入與堅持教育公益性等一系列兩難抉擇，保持動態平衡。 以上是人工智能課程設計中的一些戰略構想。這些想法如何實施和落地？以下結合各方面的成功經驗和我們多年來的理論研究、實踐探索，提出具體實施過程中的一些重要策略和設想。 1.創建“團隊化人機共生學習模式細胞結構”，以此作為信息化學習空間的“生成元”，在“五人團隊”中實現自主學習與團隊學習的有機結合。班級授課制是工業文明的產物，“三中心”的課堂灌輸模式是教育信息化必須沖破的頑固堡壘，目前的課堂細胞是學生個體，而且學生之間存在著激烈競爭，教師的講授灌輸占據了大部分時間，學生的學習就缺乏自主性。迅速發展的人工智能技術在課堂教學中的應用，為改變這種工業文明的課堂教學模式提供了各種可能的條件和機遇，但只有從課堂教學組織形式層面的變革入手，才能將可能性轉化為現實性。20年來，我們學術團隊一直在信息化課堂學習方式變革中探索自主學習與團隊學習能力培養(14)，在借鑒、融合東西方組織文化和團隊學習理念、實踐成果的過程中，提出了“五人團隊超循環生長模型”，創建了“團隊化人機共生學習模式細胞結構”(見圖1)，以此作為信息化學習空間的“生成元”(15)(見圖2)，在開展研究性學習、項目制學習中，實現了信息(非線性)快速聚散、經驗協同篩選、成果生成資源，提高了學習成效，激發了學生學習的主動性、創造性，培養了團隊精神，達到了深度學習的目標追求。“五人團隊”是一種靈活多變的組織形式，我們正在進一步從理論與實踐的結合中，探索人工智能，尤其是在“機器人學伴”支持參與下，跨越班級、學校、地區組合，采取虛擬與現實互補的新模式。這在學習方式的變革中，將會發生牽一發而動全身的奇效。 圖1團隊化人機共生學習模式細胞結構模型 圖2智能化學堂的細胞結構(生成元)模型 圖3五館合一模型 圖4人工智能技術課程內容結構模型 圖5五育融合的課程整合智能素養模型 2.創建開放的智能化學習空間，打破傳統封閉課堂的桎梏。近年來世界各國在學習環境、學習空間創新上提出了各種理念，積累了豐富經驗，我國在學校智能化課堂建設中成果豐碩，現在需要進一步創新推廣。在此提出兩方面建議。其一，用五人團隊的共享模式配置學習終端(如五人共享一個平板電腦、一個智能手機，共用一套虛擬現實仿真設備、機器人學伴)，形成“團隊化人機共生學習模式細胞結構”。“人機共生”是教育步入智能化的基石、難點和關鍵，凝聚團隊智慧破解這一難題，不僅能充分利用設備資源、節約成本，在團隊學習的氛圍中還能有效防止和規避互聯網不良信息對學生的毒害，特別是在團隊資源共建共享中實現研究性學習、項目制學習中的深度學習。其二，將課堂學習活動延伸到學校圖書館、科技館、藝術館、體育館、智能館(在智能化環境中了解、體驗人工智能的前世今生，培養智能素養，實現“五育”融合)，以這種開放的學習空間作為學校與社會溝通的橋梁。我們將此稱作學校“五館合一”的大學堂建設(見圖3)。 3.促進人工智能課程與其他各門課程的內在整合，在各科智能化學習模式探索中推動“五育融合”，探索信息素養向智能素養的升級換代(見圖4)。從實踐論的觀點看，技術教育是“五育”的整合。學生在科學教育中通過掌握科學概念和科學理論，實現了認識發展過程的第一次飛躍，從感性認識上升到理性認識，從而提高了認識能力；在技術教育中則是要按照實踐目的，運用科學知識、經驗和技能設計出具體實踐方案，并在實踐中將方案轉化為現實成果，實現認識過程的第二次飛躍(這是技術課程不同于科學課程的設計思路與教學模式)。在此過程中肯定會遇到各種困難和挫折，但這不僅能鍛煉和培養堅強的意志，還能從中體驗和領略科學知識的社會與人文價值、藝術和審美價值。可見，技術教育培養的是更為復雜也更為重要的創造性實踐能力，有助于提高學生在整合中學習和運用各科知識的興趣和主動性，從根本上改變以往死記硬背的學習方法。(16)目前中小學信息技術教育在與各門學科課程整合的探索中已經積累了不少成功的經驗和資源，人工智能技術是信息技術的新進展，其中語音識別、圖像識別、自然語言處理和機器翻譯以及各種智能技術整合的不同功能機器人技術等成果，在與各學科課程的整合過程中更能彰顯出智能化的魅力(見圖5)。其中的難點和關鍵在于：深入開展智能素養的理論與實踐研究，并將信息素養向智能素養的提升納入人工智能課程的目標與評價體系。 4.智能化學習平臺與資源庫創生多層神經網絡的大數據結構模型，突破傳統封閉的課堂教學模式，培養人機共生的新一代師生團隊，在內部生長和外部推廣的超循環中，超越班級、年級、學校、區域的時空壁壘，引領教育系統步入智能化時代。目前國內外對中小學人工智能課程的內容與形式都做了大量探索，形成了系統化、多元化的課程體系，但還需要進一步總結和不斷完善。在此提請關注對人工智能教育目標的深度思考。人工智能教育絕不僅僅是開設一門技術課程，而是要引領教育步入信息化、智能化時代。要實現這個目標，就必須用智能化思維方式和人工智能的技術手段、環境、資源來設計和開展人工智能教育，在超越工業文明“三中心”講堂中實現學習方式的根本性突